AI agent,MCP

ai agent는 명령을 분할해서 수행하는 도구

각각 역할을 지정하고 내가 준 task에 대해서 어떻게 수행할지 분석한다음 역할별로 업무를 수행 후에 단계별로 수행하고 결과를 내준다

ai agent가 업무를 수행하려면 다양한 툴들이 필요했는데 그걸 표준화한게 MCP

다양한 회사에서 자기 서비스 사용을 위한 MCP를 제공하고 그걸 다운받아서 ai agent가 사용할 수 있도록 하던지, claude나 cursor같은 ai모델 있는 서비스들에 MCP를 연결해서 내가 원하는 작업들을 수행하게 할 수 있다. 예를 들어서 supabase의 테이블을 변경하라고 하면 supabase의 MCP가 있으면 알아서 내 말대로 바꿔준다. 외부에 접근할수있는 플러그인이다 한마디로 MCP는

vscode에도 github copilot있으니까 MCP사용할 수 있다!!

네, 전반적인 이해가 맞습니다. 요약하자면:

• AI 에이전트가 작업을 단계별로 쪼개고, 각 단계를 수행할 “역할”을 설정한 뒤, 필요에 따라 여러 도구(tool)를 활용해 결과를 내놓는 구조입니다.
• 여러 회사나 서비스에서 AI 에이전트가 사용할 수 있는 표준화된 ‘플러그인’ 역할의 MCP를 제공합니다.
• 예를 들어 “Supabase의 테이블을 수정하라”라는 명령을 내렸을 때, Supabase용 MCP를 연결해두면 알아서 테이블을 수정하는 방식입니다.
• 결국 MCP는 외부 시스템에 접근할 수 있는 일종의 ‘표준화된 확장 도구(플러그인)’라고 보면 됩니다.

1. AI 모델 찾기 (Pre-trained Model 검색 및 선택)

A. 추천 플랫폼

1. Hugging Face Model Hub (가장 추천)
   • URL: https://huggingface.co/models
   • 모델 종류: GPT, BERT, CLIP, Stable Diffusion, Whisper 등 다양한 NLP, 컴퓨터 비전 모델 제공.
   • 특징: 모델 설명과 사용법이 잘 정리되어 있고, 커뮤니티도 활발함.
2. TensorFlow Hub
   • URL: https://tfhub.dev/
   • 모델 종류: 이미지 분류, 자연어 처리, 강화 학습 등 TensorFlow 기반 모델.
   • 특징: TensorFlow 환경에서 쉽게 사용 가능.
3. PyTorch Hub
   • URL: https://pytorch.org/hub/
   • 모델 종류: 컴퓨터 비전, NLP 등 PyTorch 기반 모델.
   • 특징: PyTorch로 모델을 학습시키거나 배포하기에 최적화.

1. AI 엔지니어가 일반적인 모델 사용과 다른 점

(1) 모델 구조 설계 및 수정 (Architecture Design)

• 단순히 기존 모델을 사용하지 않고, 모델의 아키텍처(구조)를 직접 설계하거나 변경합니다.
  • 예를 들어, GPT 모델의 Transformer 구조를 변형하여 더 효율적인 모델로 만드는 작업.
  • Vision Transformer, Diffusion Models 등 최신 연구 모델을 수정하거나 응용.
• 예: 새로운 레이어를 추가하거나 기존 레이어를 제거, 병렬 처리 최적화 등.